《表1 不同模型对未来1小时PM2.5质量浓度预测均方根误差》
提示：宽带有限、当前游客访问压缩模式
本文使用串联CNN-LSTM预测模型进行对比实验，并使用均方根误差作为评价标准。表1为两种模型在测试集上的均方根误差。
| 图表编号 | XD0078271900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.25 |
| 作者 | 王梓霖 |
| 绘制单位 | 西安建筑科技大学信息与控制工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 各预测模型均方根误差及拟合优度》2020.12.01
- 《表3 预测模型的相关系数和均方根误差》2020.07.25
- 《表5 两个预测模型的均方根误差》2021.02.01
- 《表8 基于3种变量选择方法建立LWPLS预测模型的均方根误差》2020.05.01
- 《表7 3种变量集合不同预测建模的均方根误差》2020.05.01
- 《表1 三种模型预测结果的平均相对误差和均方根误差对比》2019.12.01
- 《表1 三种模型预测结果的平均相对误差和均方根误差对比》2019.12.01
- 《表1 预测结果的均方根误差》2019.09.25
- 《表3 各脑组织基因表达量预测模型平均绝对误差和均方根误差》2019.10.21
- 《表3 3种模型拟合的PM2.5季均质量浓度变化》2019.10.20
- 《表1 不同算法求解的模型参数估值与其均方根误差》2019.08.20
- 《表3 城市PM2.5预测模型均方根误差统计表》2019.08.05
- 《表4 区域PM2.5模型均方根误差统计》2019.08.05
- 《表3 模型预测值和量表真实值相关性与均方根误差检验》2019.08.15
- 《表1 光谱预处理对模型预测均方根误差 (RMSEP) 的影响》2019.03.01
- 《表2 PM2.5小时质量浓度高峰、低谷分析时间段1)》2019.04.15
- 《表3 包含大数据指标模型预测的均方根误差 (2011Q1—2018Q1)》2018.07.01
- 《表4 不包含大数据指标模型预测的均方根误差 (2016Q1—2018Q1)》2018.07.01
- 《表2 不包含大数据指标模型预测的均方根误差 (2011Q1—2018Q1)》2018.07.01
- 《表5 包含大数据指标模型预测的均方根误差 (2016Q1—2018Q1)》2018.07.01